基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数码的改进遗传算法,并进行水电站水库优化调度研究。用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解,实例计算并与常规优化相比,表明该方法简便,快速,可避免水库优化调度中的维数灾。     

基于改进遗传算法的水电站日优化调度方法研究

将遗传算法用于解决水电系统短期发电优化调度问题 ,利用改进的遗传算法初始编码方式 ,结合最优日调度权重系数 ,构造了水电站短期优化调度的改进遗传算法模型 ,由于原始基因已经具有了一定的规律性 ,所以模型具有计算速度快 ,结果准确、合理 ,便于实际调度需求等特点。实例证明 ,该方法能够求解复杂约束条件下的非线性优化问题 ,算法编程简洁 ,易于实现 ,从而为分时电价应用环境下的水电站短期发电优化调度问题提供了一种有效的解决方法     

基于模拟退火遗传算法的并网微电网优化调度研究

建立了微电网模型,并综合考虑微电网建设运行的经济性和环保性,以微电网建设运行成本和环境影响为目标函数,使用模拟退火遗传算法对模型进行求解。该方法能够对微电网各目标依据条件进行有效调度,具备快速求解调度问题的能力,同时避免了陷入局部最优解的困境,能够适配并解决在微电网场景下的调度问题。     

遗传算法在水电站优化调度中的实用研究

根据水电站优化调度问题的实际特点，用基于十进制的遗传算法，加入最优保存和局部搜索两种收敛策略对问题进行了改进。并用五强溪电站的实际例子进行了模拟计算，与未经改进的遗传算法进行了比较，取得了比较满意的结果。     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数编码的改进遗传算法,并进行水电站水库优化调度研究.用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解.实例计算并与常规优化相比,表明该方法简便、快速,可避免水库优化调度中的维数灾.     

福建水电站群短期发电量最大优化调度模型与算法研究

本文根据福建水电站群的实际情况建立过渡性模型和周期性模型，用于解决福建水电站群短期发电量最大优化调度问题。并给出了通过建立对偶问题、采用惩罚函数、以及变量替代等方式来对约束条件进行处理的较为详细的求解过程。为大型水电站群的优化调度问题提供了例证。     

基于Matlab遗传算法工具箱的梯级水电站优化调度

遗传算法因其简单、通用、适于并行处理而用于解决非线性复杂问题。在研究了基于Matlab遗传算法工具箱（GAOT）的基础上。提出把水电站水库看作一个系统,把系统的各元素、输入／输出参数等简化和假设后建立简化通用的数学模型。用该数学模型讨论了实现梯级水电站的优化调度问题。详细分析了算法设计中遗传算法控制参数的确定、编码、随机生成初始母体群、适应度计算、选择、交叉、变异、停止准则判断等。以某梯级水电站为例。利用提出的优化调度模型计算了比较简单的情况。表明是可行的。对较复杂的情况也同样适用。     

基于遗传算法的小水电站优化调度方法的研究与实践

针对以发电为主的小水电站单库和串联小水电站群,以水电站的发电引用流量为决策变量,以水电站在调度周期内发电量最大为目标,分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算,从而提高了算法的搜索效率。基于VC 编程设计了小水电站运行调度智能算法系统软件,用类CbestGA封装了求解一般水库调度问题的遗传算法,并应用于一个实际的小水电站调度,实验结果说明了遗传算法用于水库优化调度的可行性和有效性。     

水电站短期发电调度规则制定

针对以往短期发电调度规则实用性不强等缺点,采用逐步优化算法（POA）与遗传算法（GA）嵌套搜索,对金沙江一梯级电站三个典型年的资料和大量模拟的径流过程进行计算,得出一系列优化调度过程。在此基础上将调度期划分为一般时期与枯汛过渡时期,分析了各时期水电站单独运行与参与梯级联合运行的发电调度运行方式,并总结为简便可行的规则。该规则能充分利用径流预报进行滚动调度,实用性较强。通过对比根据调度规则运行的模拟结果和优化结果可知,电站年发电量最大相对差值也不超过1%,证明该规则可以有效地指导实际生产运行,并为水电站短期发电调度提供了全新的思路。     

黑河龙首水电站短期优化调度研究

为了充分发挥黑河龙首水电站的水能利用率，对龙首水电站的短期优化调度进行了研究。通过对5个典型年短期优化调度模型求解结果进行回归分析，获得各月的短期调度规则，对调度规则的验证结果表明相对误差较小，所得到的短期调度规则可以投入实际应用。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性     

病毒进化遗传算法在水电站优化调度中的应用研究

将生物免疫系统的核心内容——病毒感染机制引入遗传算法,提出了基于病毒进化遗传算法的水电站优化调度模型。通过病毒个体对宿主种群的感染,有效改善了种群多样性,提高了遗传算法的全局搜索能力。以福建省棉花滩水电站的年发电调度为例,对丰、平、枯不同典型年进行了优化计算。计算结果表明,各种典型年,病毒进化遗传算法获得的调度结果均优于标准遗传算法,与动态规划方法获得的结果十分接近。因此,基于病毒进化遗传算法的水电站优化调度模型是有效的和优越的。     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度，与经典算法相比其特点在于，该算法可从多个点开始寻优，占用计算机内存少，能以较快的速度找到全局最优解；编程简单、适应性强，是一种有效的搜索算法。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

基于退火遗传的旋转备用经济运行

水电站具有运行灵活、负荷调节速度快等特点,经常在电网中承担旋转备用服务,因此,厂内经济运行中考虑旋转备用很有必要。本文将实数编码退火遗传算法(Real Coded Annealing Genetic Algorithm,简称AGA)用于承担旋转备用的水电站经济运行中。该算法将遗传算法引入模拟退火算法,以提高其解决经济运行等联合优化调度问题的性能。本文对某一大型水电站分别采用了动态规划(DP)、遗传算法(GA)、模拟退火(SA)和退火遗传算法(AG)进行旋转备用经济运行模拟计算,计算结果表明退火遗传算法收敛速度快,精度较高,且容易实现,该算法在大型电站经济运行中有一定实用价值。     

基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

基于FP遣传算法的梯级水库短期优化调度

梯级水库短期发电优化调度是一个复杂的非线性问题,涉及变量较多、数据范围较大,传统二进制编码遗传算法严重影响搜索时间.采用实数编码遗传算法(FPGA)可以较好地解决计算精度与搜索时间问题.工程实例证明,FP遗传算法容易实现、计算准确、搜索计算速度快,对求解梯级水库短期优化调度可行、正确.     

梯级水电站优化调度研究现状

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。     

混沌粒子群算法在水库中长期优化调度中的应用

将粒子群算法和混沌算法相结合,用于求解水库中长期优化调度问题.它利用了粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.通过实例计算,结果表明该算法在收敛性和稳定性等方面明显优于传统粒子群优化算法,是一种有效的搜索算法.